计量学报

作者：张立国,程瑶,金梅,王娜

单位：燕山大学 电气工程学院,河北 秦皇岛 066004

关键词：计量学; 语义分割; 特征融合; 室内场景; BiSeNet

基金：国家重点研发计划(2018YFB0905304, 2018YFB0905504); 河北省重点研究计划(18211833D); 河北省军民融合产业发展专项资金(2018B190); 河北省引进国外智力项目(基于多源视觉融合的病房智能看护系统)

室内场景的语义分割一直是深度学习语义分割领域的一个重要方向。室内语义分割主要存在的问题有语义类别多、很多物体类会有相互遮挡、某些类之间相似性较高等。针对这些问题,提出了一种用于室内场景语义分割的方法。该方法在BiSeNet(bilateral segmentation network)的网络结构基础上,引入了一个空洞金字塔池化层和多尺度特征融合模块,将上下文路径中的浅层细节特征与通过空洞金字塔池化得到的深层抽象特征进行融合,得到增强的内容特征,提高模型对室内场景语义分割的表现。该方法在ADE20K中关于室内场景的数据集上的MIoU表现,比SegNet高出23.5%,比改进前高出3.5%。

来源：2021年第4期

《计量学报》期刊编辑部

查看计量学报杂志2021年第4期